论文部分内容阅读
向微博用户推荐对其有价值和感兴趣的内容，是改善用户体验的重要途径。通过分析微博的特点以及现有微博推荐算法的缺陷，利用标签信息表征用户兴趣，提出一种基于标签概率相关性的微博推荐方法LPCMR。首先，该方法利用标签之间的概率相关性，构造标签相似性矩阵。然后通过相关性标签权重加权方案，加强标签权重，构建用户-标签矩阵。针对用户标签矩阵稀疏的问题，采用标签相似性矩阵对用户-标签矩阵进行更新，使该矩阵既包含用户兴趣信息，又包含标签与标签之间的关系。以新浪微博公开API抓取的微博信息作为实验数据，进行了一系列的实验和